LLM

这个主题下共收录 14 篇文章。

🗒️DataSet Collection：我的大模型数据集整理方法

LLM2025年12月15日

我把数据集整理看成训练工程的一部分：要记录任务类型、数据来源、许可证、偏差风险和适用边界。

#LLM#DATA#训练

阅读全文 ›

🗒️Talky 学习笔记：一个大模型数据生成工具的想法

LLM2025年12月2日

我把 Talky 理解成一个大模型数据生产工作台：用多 Agent 生成对话，再完成验证、可视化和训练数据导出。

#LLM#训练#工具#DATA

阅读全文 ›

🗒️多任务训练如何加强 zero-shot 泛化：我的学习笔记

LLM2025年11月6日

我从多任务提示训练理解 zero-shot 泛化：任务多样性和提示多样性会影响模型迁移到未见任务的能力。

#LLM#训练#DATA

阅读全文 ›

🗒️Agent is All You Need：我的 Agent 生态学习笔记

LLM2025年9月28日

我把 Agent 生态按能力拆解：规划、工具调用、记忆、协作、评测和权限控制，比单纯罗列框架更重要。

#LLM#agent#工具

阅读全文 ›

🗒️TRL学习

LLM2025年6月12日

我从学习者角度整理 Hugging Face TRL：把它理解成大模型后训练工具箱，并梳理 SFT、DPO、GRPO、Reward Modeling 和 PPO 的学习路线。

#LLM#训练#PEFT

阅读全文 ›

🗒️医学大模型数据汇总：我的学习笔记

LLM2025年6月8日

我从医学大模型数据出发，整理真实医患对话、医学文献、结构化知识和通用指令数据的价值与风险。

#LLM#训练#DATA

阅读全文 ›

🗒️大模型数据生成学习笔记：从 Self-Instruct 到多 Agent 数据流水线

LLM2025年5月21日

我从学习者角度梳理大模型数据生成方法：Self-Instruct、CAMEL、ShareGPT、Baize 和 Data-Copilot 的共同问题是如何让数据可控、可验证、可复用。

#LLM#DATA#训练

阅读全文 ›

🗒️DeepSeek webui 自部署

LLM2025年3月18日

我从学习者角度重新整理 DeepSeek WebUI 自部署：如何理解 Ollama、Open WebUI、本地模型服务和排查思路。

#LLM#工具#开发

阅读全文 ›

🗒️DeepSeek 模型复现：我会从哪里开始

LLM2025年3月6日

我用学习者视角拆解 DeepSeek 模型复现的路线：先明确目标，再从数据、训练方法、评估和成本边界逐步缩小范围。

#LLM#训练#PEFT#DATA

阅读全文 ›

🗒️DeepSeek 是什么：我的学习笔记

LLM2025年3月1日

我从学习者视角理解 DeepSeek：它不只是一个聊天入口，而是一组围绕开源、推理能力、成本和应用生态展开的模型体系。

#LLM#工具#开发

阅读全文 ›

🗒️DeepSeek API 主流厂商比较：我的选择思路

LLM2025年2月26日

我从学习和实际接入角度比较 DeepSeek API 的几类主流渠道：官方接口、云厂商平台和第三方聚合服务，重点关注稳定性、价格、延迟和迁移成本。

#LLM#工具#开发

阅读全文 ›

🗒️DeepSeek 背后的技术：我的学习笔记

LLM2025年2月22日

我从学习者角度梳理 DeepSeek 背后的几个关键技术线索：MoE、低成本训练、强化学习推理能力，以及它对开源大模型生态的影响。

#LLM#训练#开发

阅读全文 ›

🗒️0 到 1 训练一个多模态大模型：我的学习路线

LLM2025年1月29日

我用学习者视角拆解多模态大模型训练：从视觉编码器、投影层、语言模型对齐，到数据质量和评测闭环。

#LLM#训练#DATA

阅读全文 ›

🗒️LLM-白泽🐲

LLM2023年6月30日

用chatgpt生成多轮完整对话数据，而不是QA对，从而有更好的效果。同时使用chatgpt做了一个对齐方式代替人类的对齐方式（SDF，Self-Distillation with Feedback）

#chatgpt#训练#PEFT

阅读全文 ›